Como as máquinas aprendem com exemplos?
O machine learning (aprendizado de máquina) funciona mostrando ao computador muitos exemplos rotulados, como fotos marcadas “gato” ou “cachorro”. No treino, ele ajusta um modelo até os palpites baterem com os rótulos e depois é testado com exemplos novos, que nunca viu. Quanto mais variados os dados de treino, melhor o modelo lida com situações reais.
▶ Pratique
Por que isso importa
Um modelo só sabe o que os exemplos mostraram. Escolher dados de treino variados e bem rotulados importa mais do que empilhar mais do mesmo.
Em 6 minutos você vai conseguir
- Machine learning = exemplos rotulados + treino + teste com dados novos.
- Dados de treino variados ajudam mais do que muito do mesmo tipo.
- Rótulos errados e exemplos faltando viram respostas erradas.
O que você vai praticar
A receita
Todo modelo de machine learning é feito do mesmo jeito.
- 🗂️ Dados de treino
- Uma coleção de exemplos, como milhares de fotos de pets. É tudo o que o modelo vai saber na vida.
- 🏷️ Rótulos
- A resposta certa de cada exemplo: “gato” ou “cachorro”. Em geral pessoas colocam os rótulos, então erros neles viram erros no modelo.
- ⚙️ Treino
- O modelo dá um palpite, compara com o rótulo e se ajusta, de novo e de novo, até os palpites quase sempre baterem.
- 🧪 Teste
- No fim, ele é testado com exemplos novos que nunca viu. Isso mostra se aprendeu o padrão ou só decorou as fotos.
Treine um minimodelo
Escolha até 5 fotos de treino e aperte Treinar. O modelo vai ser testado com 5 fotos novas.
Gato · Cachorro
Exemplos de treino
- Gato laranja rajado no sofá → Gato
- Outro gato laranja rajado, dormindo → Gato
- Gato preto num quarto escuro → Gato
- Filhote de gato de olhos grandes → Gato
- Gato cinza visto de costas → Gato
- Cachorro grande e dourado na grama → Cachorro
- Outro cachorro grande e dourado, correndo → Cachorro
- Cachorrinho peludo no colo → Cachorro
- Filhote roendo um sapato → Cachorro
- Cachorro em pé na neve → Cachorro
Casos de teste
- Um gato preto à noite → Gato
Não havia gato escuro no treino, então o modelo nunca aprendeu que gatos também podem ser assim. - Um filhote de gato num cesto → Gato
Filhotes são diferentes de gatos adultos. Sem um exemplo de filhote, o modelo não tinha base. - Um cachorro grande no parque → Cachorro
O modelo nunca viu um cachorro grande, então não ligou esse formato a “cachorro”. - Um cachorrinho dentro de uma bolsa → Cachorro
Cachorros pequenos são fáceis de confundir com gatos se o modelo só viu os grandes. - Um husky na neve funda → Cachorro
Um fundo de neve era novidade para o modelo. Cenários variados importam, não só animais variados.
O que você aprendeu?
A Noor pode juntar mais 1.000 fotos. Qual conjunto ajuda mais o modelo?
- 1.000 fotos variadas: tamanhos, cores, idades e lugares (Resposta)
- Mais 1.000 fotos de gatos laranja rajados
O modelo acerta 100% das fotos de treino, mas vai mal nas novas. O que aconteceu?
- Ele decorou os exemplos em vez de aprender o padrão (Resposta)
- As fotos novas devem estar com rótulo errado
Um ajudante marcou alguns cachorros como “gato” por engano. O que isso causa?
- O modelo aprende esses erros também (Resposta)
- Nada, o modelo vai perceber os erros
Lembre-se
Um modelo é tão bom quanto seus exemplos. Variedade vale mais que volume.
Fatos principais
- Num artigo de 1959, o cientista da computação Arthur Samuel descreveu um programa de damas que aprendeu a jogar melhor do que quem o escreveu, um marco inicial do machine learning. · Fonte: A. L. Samuel, Some Studies in Machine Learning Using the Game of Checkers, IBM Journal of Research and Development, 1959
- O projeto ImageNet, cujas fotos rotuladas ajudaram a lançar o boom atual do deep learning, descreveu no primeiro artigo 3,2 milhões de imagens rotuladas por trabalhadores on-line. · Fonte: Deng et al., ImageNet: A Large-Scale Hierarchical Image Database, CVPR 2009
- Um conjunto clássico de dígitos escritos à mão, o MNIST, separa 60.000 imagens para treino e 10.000 para teste, para que os modelos sejam avaliados com dígitos que nunca viram. · Fonte: LeCun, Bottou, Bengio & Haffner, Gradient-Based Learning Applied to Document Recognition, Proceedings of the IEEE, 1998
- Testar um modelo com exemplos que ele não viu no treino é o jeito padrão de conferir se aprendeu um padrão geral em vez de decorar os dados de treino.
Atualizado:
Perguntas frequentes
O que são dados de treinamento?
Dados de treinamento são os exemplos com que um modelo de machine learning aprende, como fotos, textos ou gravações rotuladas. O modelo só aprende padrões que aparecem nesses dados.
Qual a diferença entre aprendizado supervisionado e não supervisionado?
No supervisionado, cada exemplo vem com a resposta certa, um rótulo, como “gato”. No não supervisionado não há rótulos, e o modelo procura sozinho grupos ou estruturas nos dados.
De quantos dados o machine learning precisa?
Depende da tarefa. Tarefas simples funcionam com centenas de exemplos, enquanto modelos grandes usam bilhões. Variedade e rótulos corretos muitas vezes importam tanto quanto a quantidade.
O que é overfitting?
Overfitting, ou sobreajuste, é quando um modelo decora os exemplos de treino em vez de aprender o padrão geral. Parece perfeito no treino, mas vai mal com dados novos.
Termos relacionados